As placas GeForce RTX 30 series (código Ampere), que já estão no mercado há algum tempo, claramente ainda possuem grande potencial de computação não liberado. O usuário do GitHub Zagitta desenvolveu um novo projeto de código aberto chamado GPU Unlock, que remove certas limitações de desempenho artificialmente impostas nas placas da arquitetura Ampere. Sob cargas específicas, a capacidade de processamento dos núcleos tensor pode quase dobrar, sem a necessidade de modificar os drivers da NVIDIA nem realizar uma gravação permanente no VBIOS da placa.

IT之家 observou que este projeto visa especificamente uma limitação na taxa de emissão de instruções: em operações de tensor FP16/BF16 com acúmulo FP32, as placas gráficas Ampere de consumo apresentam uma taxa de execução mais baixa em comparação com as placas profissionais. Após remover essa limitação, a ferramenta consegue liberar o desempenho computacional adicional já presente no hardware da placa gráfica.

Interessantemente, o GPU Unlock se baseia em pesquisas anteriores sobre as placas de mineração de criptomoedas NVIDIA CMP. Ele combina a técnica de desbloqueio de firmware do projeto CMP com um conjunto de esquemas de inicialização antecipada, utilizando um módulo de kernel Linux para executar operações antes do carregamento do driver da placa de vídeo NVIDIA. Esse módulo modifica os registradores de seleção de velocidade do hardware, executa uma reinicialização em nível funcional (FLR) e, em seguida, permite que o driver original inicialize normalmente a placa de vídeo.
Isso também significa que os usuários não precisarão mais aplicar patches aos drivers sempre que atualizarem para uma nova versão. Os desenvolvedores atualmente indicam suporte para as GPUs dos modelos GA102, GA103, GA104 e GA106, cobrindo a maioria dos modelos da série RTX 30, embora nem todos os cartões gráficos possam ser compatíveis, nem se garanta que todos obtenham melhoria de desempenho.
O aumento de desempenho pode ser bastante significativo. De acordo com os dados de benchmark liberados no repositório GitHub do projeto, uma RTX 3090 Ti com limite de consumo de energia definido em 450 W obteve os seguintes resultados no teste de multiplicação de matriz densa (GEMM) com acúmulo FP32:
Esses aumentos não ocorrem apenas no RTX 3090 Ti. Um usuário do RTX 3080 Ti relatou que, com um limite de potência da placa de 315W, o throughput BF16 aumentou de 71,59 TFLOPS para 113,98 TFLOPS, e o desempenho TF32 subiu de 35,65 TFLOPS para 65,28 TFLOPS. Um relatório de compatibilidade para o RTX 3080 10GB também mostrou que, sob o limite de potência original de 320W da placa, o desempenho FP16/BF16 aumentou de aproximadamente 65 TFLOPS para 110–113 TFLOPS. Esses resultados de teste também foram amplamente discutidos na plataforma X.
How does it perform in real-world applications? Fortunately, community users have already begun testing this unlocked feature under real AI workloads, and the initial results are promising.
Um usuário do Reddit com uma RTX 3090 Ti realizou um teste de desempenho no ComfyUI, obtendo aumentos de 58,6% no throughput do MOSS-Image SFT BF16, 57,2% no Qwen-Image 2.1 Turbo BF16 e 56,1% no Z-Image Turbo BF16. Já no modo de precisão INT8, o aumento foi mínimo, com apenas 0,3% de melhoria no MOSS-Image SFT INT8. O testador também afirmou que os resultados de decodificação das imagens geradas são idênticos entre o estado padrão e o desbloqueado.
A inferência de grandes modelos de linguagem (LLM) também é um cenário potencialmente beneficiado, mas o grau de melhoria depende fortemente do tipo de carga. Por exemplo, um relatório de compatibilidade da RTX 3090 mostra que o vLLM aumentou em 33% o throughput de processamento de prompts e inferência, mas a velocidade de geração de tokens permaneceu基本mente inalterada. Isso também é compreensível, pois o gargalo na fase de decodificação de grandes modelos de linguagem geralmente é a largura de banda da memória VRAM, e não o throughput computacional bruto dos núcleos tensoriais.
Outro avanço notável é a implementação experimental do Windows, que agora utiliza um método baseado em UEFI em vez do módulo de kernel Linux anterior. Os desenvolvedores documentaram um caso de sucesso com a RTX 3090, com um aumento de aproximadamente 82,5% no throughput de cálculo BF16. No entanto, esta versão ainda é experimental, compatível apenas com hardware específico e não constitui uma versão oficial do Windows geralmente disponível.
Este plano também apresenta limitações óbvias. O GPU Unlock não aumenta a largura de banda da memória VRAM, não desbloqueia mais núcleos CUDA e não acelera automaticamente todas as cargas de trabalho. Pelo menos um relato de uma RTX 3080 Ti de 20 GB indicou que o processo de desbloqueio foi concluído com sucesso, mas não houve melhoria esperada no desempenho BF16, demonstrando que os efeitos não são universais.
Em termos de jogos, a tecnologia DLSS da NVIDIA também utiliza núcleos tensor, mas atualmente não há evidências confiáveis de que o desbloqueio da GPU possa aumentar a taxa de quadros ou reduzir o tempo de execução do DLSS. Apenas quando a tarefa em si invoca essas instruções e modos de acúmulo afetados é que é possível obter benefícios. Portanto, esses resultados impressionantes nos testes de computação não podem ser considerados equivalentes a um aumento proporcional na taxa de quadros nos jogos.
Mesmo assim, o GPU Unlock continua sendo uma nova iniciativa atraente para proprietários de placas de vídeo da série RTX 30, especialmente aqueles que utilizam suas placas para inferência local de IA, geração de imagens e outros cenários de alta carga computacional. O projeto ainda está em fase experimental, mas a possibilidade de extrair desempenho adicional significativo das placas existentes sem modificar permanentemente o hardware é realmente atraente.
